基于特征子空间的自适应多视角目标跟踪算法

提出了一种新的自适应特征子空间跟踪算法,该算法通过计算跟踪目标的似然来自适应调整模型更新的权重,以减小更新过程中样本误差积累导致的模型漂移.同时,跟踪算法利用多视角贝叶斯理论框架进行多视角的信息融合,并对跟踪模型进行分块处理和更新,以提高跟踪精确度.仿真结果表明,本算法比对比算法的跟踪误差更小,并能够更好地解决目标遮挡和形变等问题,从而得到精确、高效的跟踪结果.     

一种自适应空间目标提取的红外跟踪系统设计

设计了一种用于空间目标探测的红外精跟踪系统。该系统基于ADSP-TS201 DSP,系统的软件设计采用了VDK内核。针对获得的空间目标红外图像特性,综合采用了自适应背景去除、动态阈值、卡尔曼滤波的目标检测和跟踪算法。实验结果证明,本设计可满足系统对空间目标实时跟踪要求。     

时间驱动的异常学习相关滤波器的目标跟踪

为了解决传统的相关滤波跟踪算法在复杂环境中容易跟踪失败的问题,本文提出时间驱动的异常学习相关滤波器,旨在提高模型在复杂环境下的适应性,实现安全有效的目标跟踪.通过引入结合异常学习的时间正则项,该模型不仅可以结合滤波器响应相似度和时间域特征搜索到目标,达到抑制异常的效果,还可以提高外观模型在时域中的鲁棒性,缓解时间滤波器...     

基于动态模板匹配的自适应尺度目标跟踪算法

为保证大型光学模块装校装置在装校过程的稳定性和准确性,需要对导向模块进行监测跟踪。针对传统模板匹配跟踪算法在工业应用中存在无法应对目标尺度变化、缺少有效的模板更新策略等问题,提出一种基于动态模板匹配的自适应尺度目标跟踪算法。首先对第一帧图像检测运动目标区域,提取目标模板中心点,生成模板图像金字塔;在之后的每一帧中,先计算各尺度下模板图像和目标图像的相似性,取相似度最大的尺度因子作为尺度变化量,借助动态模板更新策略更新模板;最后融合卡尔曼滤波算法,预测出候选目标范围。在OTB数据集上进行实验,结果表明,所提算法在满足实时性要求的同时,相较于传统算法,重合率提高约21个百分点。     

在线自适应选择子空间的红外目标跟踪方法

传统基于子空间的目标跟踪方法以能量大小为准则建立子空间,没有考虑目标与背景之间的鉴别性,当两者间存在近似外观分布时将降低跟踪系统的性能。考虑到红外图像信噪比、对比度不高等特点,提出了一种以评估目标与背景间可区分能力为基础的子空间选择方法,并将该方法有效嵌入到粒子滤波跟踪框架下实现对红外目标的鲁棒跟踪。首先利用采样粒子分布以及当前目标状态,综合衡量粒子与目标间的特征分布差异和粒子逼近目标的程度来评估不同子空间的鉴别性,然后选择鉴别性最优的子空间作为下帧的跟踪子空间,从而实现对红外目标进行子空间自适应选择的鲁棒跟踪。对多个复杂场景下的目标跟踪实验表明所提出的算法要优于传统基于增量子空间学习的跟踪算法。     

在线目标分类及自适应模板更新的孪生网络跟踪算法

针对孪生网络跟踪算法在离线训练阶段学习被跟踪目标和其他对象的嵌入式特征,而这些特征缺少特定于目标的上下文信息,使跟踪算法的稳健性较差的问题,以SiamRPN++作为基准算法,提出了在线目标分类及自适应模板更新的孪生网络跟踪算法.首先,在离线训练阶段设计了互相关特征图监督模块,以学习更具判别力的嵌入式特征;其次,在线跟踪...     

空间目标的ISAR跟踪

在对空间目标进行ISAR成像过程中,要求对目标进行精确跟踪.本文提出一种对空间远距离ISAR目标进行精密跟踪的方法,从而实现了采用宽带信号对目标进行同时跟踪与成像.结果表明,采用该方法能提高数据率,跟踪精度也达到了成像的要求.     

基于空间正则化约束的支持向量相关滤波器目标跟踪方法

基于支持向量相关滤波器(Support Correlation Filters,SCF)的目标跟踪方法存在严重的样本边界不连续问题,因此模型判别能力受到严重限制。本文将空间正则化项引入到SCF中,提出了基于空间正则化约束的支持向量相关滤波器(Spatially Regularized SCF,SRSCF)模型。相比于SCF,SRSCF不仅可以借助更大的图像区域进行模型学习,同时也能缓解样本的边界不连续问题对模型学习的负面影响,由此得到判别能力更强的模型。此外,本文提出了一种ADMM(Alternating Direction Method of Multiplier)算法求解SRSCF模型,其中每个子问题具有解析解。实验结果表明,相较于SCF,SRSCF能够有效地提升跟踪精度,同时仅增加较少的计算开销。     

自适应时间正则化相关滤波的无人机目标跟踪

基于相关滤波的跟踪算法因其高效性,受到了无人机领域的密切关注.现有的跟踪算法使用固定的超参数进行滤波器的学习,无法满足无人机在跟踪过程中对复杂环境的适应性.针对该问题,提出了一种自适应正则化参数学习的相关滤波算法,将滤波器与时间正则化参数的学习描述为一个统一的目标函数;同时,该算法可通过响应图的全局变化量感知目标的变化情况,自适应更新目标模型.无人机视频数据集上的结果验证了所提算法对复杂无人机跟踪场景的适应性以及对跟踪性能提升的有效性.     

融合颜色直方图及SIFT特征的自适应分块目标跟踪方法

针对目标跟踪过程中目标颜色相近、尺度变化及遮挡等问题,该文提出一种自适应分块并融合颜色直方图及SIFT特征的目标跟踪方法。自适应分块采用目标颜色投影和成像角度作为分块标准,使各子块具有一定相异性并保证分块数目;各子块使用颜色直方图和SIFT特征描述,通过计算SIFT特征点的尺度变化自适应地改变跟踪窗口尺度;在跟踪过程中对子块的权重及相应模板及时更新,当目标表观变化较大时重新对模板自适应分块。实验表明,该方法能准确有效地跟踪目标,并在颜色相近目标跟踪、尺度自适应及遮挡处理等方面具有较好效果。     

一种新的机动目标跟踪的多模型算法

设计了一种仅仅使用两个模型实现对机动目标精确跟踪的多模型算法,采用了含有法向和切向加速度的加速度均值自适应的当前统计模型和扩展后的常速模型进行交互。该算法不受目标转弯率大小和变化的限制,对目标运动模式的未知参数变化的适应性较强。仿真结果表明,该算法对目标的跟踪精度明显优于传统的使用3个以上模型交互的IMM-CV/CT算法。由于本算法能够估计出目标的法向和切向加速度,进行适当的模型集设计后,可以实现对复杂、快速机动目标的全过程跟踪,具有可扩展性的应用前景。     

米波雷达目标跟踪之分析

着重分析了米波雷达进行目标跟踪所普遍存在的一些问题,对跟踪滤波器性能与误差作了分析,指出观测的不确定性是导致跟踪发散的主要原因。最后给出了提高滤波预测精度的一些解决方法。     

基于互信息和自适应模板更新的目标跟踪算法

基于归一化互信息的图像目标跟踪算法,在目标发生刚体旋转,出现遮挡或光照条件发生变化时具有较好的稳定性。但是,实用的跟踪系统还要求算法能实时适应运动目标的外观变化,因此,在对归一化互信息跟踪算法研究的基础上,引入基于多尺度图像信息量的模板尺寸自适应更新策略。实验结果证明,改进的跟踪算法,在目标尺寸变化时能够自适应更新模板...     

视频序列中目标的检测与跟踪

视频序列中,为降低背景变化对目标的检测与跟踪产生的影响,提出了一种新目标检测与跟踪算法。首先,以像素为基础建立时间序列背景模型,提高了目标检测的精度。然后,采用KD-tree算法进行目标跟踪,获得了运动目标的完整路径。实验结果表明,该方法在视频序列目标的检测与分析中,适应环境变化的能力强,达到实时处理的效果。     

基于多层卷积特征的自适应决策融合目标跟踪算法

针对目标快速运动、遮挡等复杂视频场景中目标跟踪鲁棒性差和跟踪精度低的问题,该文提出一种基于多层卷积特征的自适应决策融合目标跟踪算法(ASFTT)。首先提取卷积神经网络(CNN)中帧图像的多层卷积特征,避免网络单层特征表征目标信息不全面的缺陷,增强算法的泛化能力;使用多层特征计算帧图像相关性响应,提高算法的跟踪精度;最后该文使用自适应决策融合算法将所有响应中目标位置决策动态融合以定位目标,融合算法综合考虑生成响应的各跟踪器的历史决策信息和当前决策信息,以保证算法的鲁棒性。采用标准数据集OTB2013对该文算法和6种当前主流跟踪算法进行了仿真对比,结果表明该文算法具有更加优秀的跟踪性能。     

机动目标自适应高斯模型与跟踪算法

提出了一种描述机动目标运动状态的自适应高斯模型,在这种模型中,机动目标的加速度被认为是具有非零均值、时间相关的随机过程,并假定其概率密度函数服从高斯分布。指出了机动目标运动模型的均值和方差与目标机动加速度最佳当前估计值之间的关系,在此基础上,提出了相应的自适应卡尔曼滤波算法。仿真结果表明,该算法对机动目标在不同机动方式下的位置、速度和加速度均有良好的跟踪效果,且所需计算量小。     

背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。     

Low-Complexity Adaptive Moving Target Tracking Algorithm over Multipath Fading Channels

The time-varying multipath channel and angular spreads caused by multipath and mobility of mobile stations degrade the performance of the conventional Direction-of-arrival （DOA） tracking algorithms. Moreover, although the DOA estimation methods based on the maximum likelihood have higher resolution than the beamforming and the subspace based methods, prohibitively heavy computation limits their practical applications. Hence, In this paper we propose a low-complexity adaptive moving target tracking algorithm, which includes a suboptimal DOA estimation algorithm that combines the advantages of the lower complexity of subspace algorithm and the high accuracy of ML based algorithms, and a Kalman filtering based adaptive tracking algorithm that models the dynamic property of directional changes for mobile terminals. Simulation results show that this proposed algorithm has better performance of DOA estimation and tracking of MS than the conventional ML or subspace based algorithms in terms of accuracy and robustness over multipath fading channels.     

基于自适应多特征融合的均值迁移红外目标跟踪

针对采用单一特征跟踪鲁棒性不高的问题,该文提出一种自适应多特征融合均值迁移红外目标跟踪算法。为了增强对目标的表征能力,对局部均值对比度算法进行改进,利用局部均值对比度和灰度特征表征目标。在特征融合中引入特征不确定度量方法,自适应调整不同特征对跟踪结果的贡献,有效地提高均值迁移算法的鲁棒性。为了进一步提高对尺度变化目标的跟踪性能,采取尺度算子更新跟踪窗的大小。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。